上篇文章，我们分享了教育公司在销售环节，实现精细化运营的三个步骤：

• 第一步，摸清销售人员是否按要求传达“关键信息点”

• 第二步，分析“关键信息点”传达情况与成单率之间的关系

• 第三步，对于能够显著提升转化率的关键信息点，加强执行力监督
  

上述方法的采用，有个前提，就是企业已经凭借业务经验，总结出了一些销售与客户沟通时，需要传达的“关键信息点”。因为验证和分析的是已知项，所以我们把这种方法叫做“假设验证法”。

例如上篇文章中提到的关键信息点：“课前提醒”，即提前告知客户试听课中可能会遇到的问题，使客户有心理准备。通过AI对话分析系统，循环智能可以帮助企业，摸清销售人员对已知“关键信息点”的传递情况——“课前提醒”20%的执行率通常大大低于企业预期，。

通过分析不同的“关键信息点”的传达情况与最终的成单率之间的关系，企业就可以知道，哪些“关键信息点”更重要，应该加强对销售人员的培训和监督。从而，形成精细化运营的闭环。

除了“假设验证法”，在实际使用中，循环智能还为企业提供，针对未知“关键信息点”的分析和挖掘方案。具体来说，包括“流失分析法”和“语义挖掘法”。

流失分析法：分析流失原因和挽留对策

对教育公司而言，流失分析法适用于试听课或体验课之后的回访转化环节。

流失分析法的实施，大致分为三步。第一步，找出销售在与客户沟通时，客户表示“无意向”的所有对话（注意：无意向不等于输单）；第二步，拆解无意向的几个主要的原因（例如，“孩子不想学”）；第三步，对比分析，同样场景下，挽留成功的销售是怎么说的，将从中学到的关键信息点推广给其他销售形成标准化挽留对策。

直白地说，流失分析法就是去分析，那些最会挽留客户的销售，面对客户表示无意向的场景，究竟是怎么说的。然后，将有效的经验，推广给其他销售采纳。

以“孩子不想学”这个理由为例，典型的成单录音，销售会提到“兴趣的培养需要长期的坚持”；典型的未成单录音，销售会提到反问句“孩子现在不想学，你以后就不让他学了吗”。所以，初步的结论是，前者可以推广给更多销售，后者给客户的感觉不好，则需要避免。

很显然，不同流失原因的挽留难度是不同的。所以，流失分析法，既需要专业的对话分析产品，也需要结合实际的销售经验进行判断，从而形成行之有效的挽留对策。

语义挖掘法：优秀销售究竟说对了什么

优秀的销售，具备更强的执行力——会在沟通中，按要求传达公司规定的“关键信息点”；优秀的销售，具备更强的挽留能力——不会因为客户表达出流失意向就立即放弃。这是之前文章提到的“假设验证法”和“流失分析法”得出的结论。

除此之外，优秀的销售在沟通中还有什么特征？第三种方法，语义挖掘法的目标，就是去挖掘那些我们暂时还不知道的、对成单有帮助的关键信息点（包含知识点和优秀话术）。使用的方法是机器学习中的“聚类”算法。

语义挖掘法是这样工作的，依然总结为三步：第一步，利用聚类算法，让机器自动挑出语义相同的句子，分成不同的组；第二步，分析每一组对话的成单率与整体成单率质检的关系，找出成单率显著高于（或低于）整体成单率的组；第三步，结合业务经验，分析成单率更高的一组对话中，哪些关键信息点可以作为标准知识点和话术，推广给更多销售使用。

看一个例子就更清楚了。课前的关键信息点挖掘：示例中的两组内容，分别向客户传达了课程的预期学习效果和教学体系的严谨，这两组的最终成单率达到整体成单率的 1.7 倍和 1.3 倍。

总结：三种分析方法有同一个目标

简单总结一下，借助AI对话分析系统，循环智能在教育行业提供三种对话分析方法，他们的目的只有一个：找出那些对最终成单、提升转化有帮助“关键信息点（知识点和话术）”，然后借助监督软件，监督销售人员在相应的场景下，是否按照要求传达了这些有用的“关键信息点”。

• 假设验证法：分析已知的关键信息点中，哪些对成单最有帮助，加强监督执行。

• 流失分析法：分析有流失倾向但最终仍然成单场景下，销售讲了什么关键的知识点或话术。

• 语义挖掘法：用机器聚类的方式，分析哪些不为人知的、对成单有帮助的知识点或话术。
  

这三种分析方法最难的地方有两处：第一，规模化的语义理解能力。循环智能采用了原创的底层算法 XLNet，该算法是由联合创始人杨植麟博士作为第一作者，与 Google、卡内基梅隆大学联合发布的，在18项人工智能标准任务中取得最优结果（state of the art）。

第二，稳定可靠的销售人员执行力监督系统。当分析得出有助于成单的知识点或话术之后，企业需要一个系统来监督销售人员是否按照要求执行，了解哪些销售的表现更好。循环智能的软件产品已服务了十余家上市公司，并在教育领域获得多家头部客户青睐，包括新东方在线、51Talk、尚德机构、轻轻教育、作业帮等。

预约演示产品，请猛戳这里。了解更多，请移步循环智能（Recurrent AI）官网的教育解决方案页面。